pct_jittor

项目简介

本项目是基于 Jittor 深度学习框架实现的 **Point Cloud Transformer (PCT)**，用于 ModelNet40 三维形状分类任务。

环境依赖

• Python >= 3.7
• Jittor >= 1.3.1
• g++ >= 5.4

安装步骤：

1. 克隆本项目并进入目录。
2. 安装环境依赖：

pip install -r requirements.txt

数据准备

本项目使用 ModelNet40 数据集。请从课程平台下载数据，在根目录下创建 data/ 目录，并将其放置在 data/ 目录下。 数据集结构应如下所示：

data/
├── train_points.npy
├── train_labels.npy
├── test_points.npy
└── test_labels.npy

训练

在根目录下执行以下命令开始训练：

python3 src/pct.py

评测与结果

评测/推理

训练完成后，模型会自动加载最优权重并在测试集上进行推理，生成 result.json 文件。 若需手动触发评测逻辑，请运行：

python3 src/pct.py --eval

实验结果

在实验环境下，模型在 ModelNet40 测试集上的预期表现如下：

• 测试集准确率 (Test Acc): 约 90% +
• 训练产物:
  • pct_model.pkl: 训练好的模型权重。
  • result.json: 分类预测结果。

许可证

本项目采用 MIT License 开源许可证。

致谢

感谢清华大学图形学实验室提供的 Jittor 深度学习框架及相关的实验指导。